rev03_01

8/15/2019 rev03_01

http://slidepdf.com/reader/full/rev0301 1/6

27

SIMULACIÓN DEL BALANCE ANUALEN SISTEMAS DE PASTOREO BOVINO.

VERENA TORRES CÁRDENAS 2

JOSÉ ORTIZ ROJAS

1

,GUSTAVO CRESPO 2 ,IDALMIS RODRÍGUEZ 2

RAÚL E. MEDERO. 2

1 Universidad de Granma, Carr. Mzllo. Km 171/2, Peralejo. Bayamo, Gma. Cuba.2 Instituto de Ciencia Animal, Apdo. 24. San José de Las Lajas. La Habana. Cuba.

RESUMEN

Este estudio parte de una abstracción de los sistemas de pastoreo vacuno enCuba en cuanto a la dinámica del N, P y K, determinando los procesos relevantes para elmodelo de simulación. Para tales procesos se define cómo estimar la cuantía de sucontribución como fuente de entrada o salida de los nutrientes por tres posibles métodos:modelos de ajustes, procedimientos descriptivos (fórmulas de cálculos) o con valoresinformados en la literatura. Las componentes del modelo de simulación fueron: estimacióndel N, P y K aportado por bostas, orina, hojarasca de los árboles, hojarasca de lospastos, removilización y contenido en la suplementación utilizada. Estimación del Naportado por la lluvia y volatilizado por bostas y orina. Estimación del N, P y K en la lecheproducida, en la ganancia de peso vivo, en los animales que salen del sistema y el extraídopor los pastos. El soporte informático del modelo se programó en Borland Delphi versión4.0 utilizando el método de Prototipo Orientado a Objeto y el mismo garantiza la rapidez,exactitud y precisión en las estimaciones que se hacen, lo que se comprobó mediante unaadecuada estrategia de validación efectuada hasta la introducción del software en lainvestigación, la docencia y la producción con resultados muy positivos.

1. INTRODUCCIÓN

La simulación es una herramienta de gran trascendencia e importancia para el análisis, diseño yoperación de sistemas y procesos complejos.

Los modelos de simulación son modelos en los cuales no se producen caracter ísticas físicas,sino que se encuentran soluciones numéricas a los modelos cuando es imposible analizarlos paso a

paso.Existen varias definiciones de simulación, entre las más frecuentes están las que plantean que

por modelación se entiende la técnica que se utiliza para conducir experimentos en una computadora;tales experimentos comprenden ciertos tipos de relaciones matemáticas y lógicas que son necesariospara describir el comportamiento y la estructura de sistemas complejos del mundo real a través delargos períodos de tiempo; tambien por simular se interpreta duplicar la esencia de un sistema o unaactividad sin llegar a la realidad misma y define la simulación como una técnica que implica la preparaciónde un modelo de una situación real (sistema) para después realizar experimentos sobre el modelo; y porúltimo la simulación puede ser considerada como un proceso iterativo de solución de un problema, en elcual las etapas o eslabones de éste son transcurridos repetidamente para lograr la afirmación o mensajesorientadores del problema.

En síntesis, la simulación puede ser definida como una técnica numérica para la realización deexperimentos con determinados tipos de modelos matemáticos, los cuales describen el comportamientode un sistema complejo dinámico, mediante el empleo de la computación.

La realización técnica de experimentos con modelos de simulación exige normalmente una grancantidad de cálculo, por lo que supone de la disponibilidad de una ayuda electrónica para el procesamientode datos.

ISSN 0717-9103

8/15/2019 rev03_01


28

Revista Ingenier í a Industrial - A ñ o 1, N º 1 - Segundo Semestre 2002

El objetivo de este trabajo fue desarrollar un modelo de simulación que permitiera predecir elbalance anual de N, P y K en las condiciones del pastoreo bovino, que posibilite la evaluación dealternativas para la toma de decisiones.

2. MATERIALES Y MÉTODOS.

Para desarrollar un modelo de simulación del balance de los nutrientes en el ecosistema depastoreo vacuno y su respuesta frente a determinadas condiciones, es necesario una abstracción delsistema real y tomar en cuenta todos aquellos procesos y factores que afectan el sistema y a la vez, suconocimiento de alguna manera posibilite estimar su contribución (aporte o pérdida) con los nutrientesN, P y K (fig. 1) Para el diseño del modelo fueron adaptadas diferentes concepciones metodológicasutilizadas en la confección de modelos de simulación (Addiscott, 1993; Aguilar y Caña, 1992; Fernández,1980; Iones, 1994; León-Valarde, 1997).

8/15/2019 rev03_01


29

Se definió una metodología para modelar el comportamiento de procesos biológicos a través deltiempo, partiendo del examen de los modelos de aplicación más utilizados en estos estudios: los modelosLineales o Intrínsicamente Lineales y los no lineales Gompertz, Brody, Richards, Exponencial,Monomolecular, Logístico y Función de Gauss propuestos, entre otros autores, por Fernández (1996);

Guerra et. al. (1993) y Liski (1987). En la metodología, como norma de selección del modelo de mejorajuste se considera la combinación de varios criterios (Bandermer, 1981; Draper y Smith, 1966; Haberman,1973; Steel y Torrie, 1988 y otros):

a) Nivel de significación , α.b) Coeficiente de determinación, R2.c) Varianza residual V(e

i).

d) Análisis de los residuos (βi) .

e) Error standard de los parámetros estimados ES(βi).

f) Validación estadística de los parámetros estimados usando la prueba estadística Chi-cuadrado.La ejecutoria de un experimento de simulación se fundamentó en los siguientes pasos: formulación

del problema, formulación del modelo de simulación ,elaboración del programa de cómputo para el modelode simulación, desarrollo del experimento de simulación, valoración, tanto del modelo, como del programa

y análisis e interpretación de los resultados del experimento.

La programación en Borland Delphi 3.0 (diseño físico) del modelo de simulación (modelo lógico)se realizó aplicando las bondades de la Programación Orientada a Objeto y las posibilidades de laplataforma Delphi para generar aplicaciones en ambiente Windows (Senn, 1998).

3. RESULTADOS Y DISCUSIÓN.

Los componentes del algoritmo de simulación, representan las estimaciones de aportes ó pérdidas,considerando las principales fuentes de entradas y salidas de N, P y K en el ecosistema, de las cuales es

posible, en nuestras condiciones, pronosticar su contribució

n para un período de un a

ño. Las variablesdel sistema, aquí agrupadas como variantes, en el caso inicial representan las características reales de

la unidad organizativa bajo estudio y como nuevas variantes es posible evaluar otras alternativas para latoma de decisiones.

Las principales variables definidas en el modelo fueron:1. Estructura del rebaño por categoría (vacas, toros, bueyes, novillas, terneros).2. Peso promedio por categoría.3. Promedio anual de ganancia de peso vivo por categoría.4. Composición botánica de las áreas de pastoreo.5. Régimen de lluvia.6. Categoría agro-productiva del suelo.

7. Consumo anual / suplemento.8. Si se aplica fertilizante, tipo y dosis utilizada.

Breve descripción de los componentes del modelo de simulación.Estimación del N, P y K aportado por las bostas: se estima la cantidad total de bostas depositadas y losnutrientes liberados, considerando la composición química de estas y los modelos de pérdida de N porvolatilización.Estimación del N, P y K aportado por la orina: se procede de forma similar al componente anterior.Estimación del N, P y K aportado por la hojarasca de los pastos: para cada especie presente se estimala acumulación de hojarasca y la tasa de liberación de sus nutrientes. Se utilizan rangos reportados enla literatura y modelos de predicción obtenidos para algunas especies estudiadas.Estimación del N, P y K aportado por la hojarasca de los árboles: considerando la densidad de cada

especie presente e información de la literatura, se estima la tasa de acumulación de hojarasca y el aportetotal de cada nutriente.Estimación del N, P y K contenido en la suplementación utilizada: el sistema dispone de varias bases dedatos con más de 250 alimentos típicos del trópico y su contenido de N, P y K. Partiendo del consumo yla composición de cada suplemento, se determina su aporte por nutriente.

Simulaci ó n del balance anual...:Torres V., et al .

8/15/2019 rev03_01


30


Estimación del N aportado por la lluvia: conociendo los milímetros de lluvia caídos en el año, se pronosticael aporte de nitrógeno por este concepto.Estimación del N, P y K aportado por la removilización: tomando en cuenta el rendimiento estimado paracada especie de pasto y su composición química, % de utilización de gramíneas y leguminosas por los

animales, así como, el % de removilización de ellas, se estima el aporte por la removilización de lasgramíneas y las leguminosas.Estimación del N volatilizado por las bostas: se utilizan ecuaciones de pronóstico obtenidas con datosexperimentales que explican la volatilización del N de las bostas en diferentes momentos del año.Estimación del N volatilizado por la orina: similar a lo aplicado a las bostas.Estimación del N, P y K en la leche producida: se parte de la producción de leche y su contenido de N, Py K para pronosticar la cuantía de la salida por esta vía.Estimación del N, P y K en la ganancia de peso vivo: se estima para cada categoría según la ganancia depeso vivo y el % de N, P y K en el cuerpo del animal.Estimación del N, P y K en los animales que salen del sistema: se procede de manera similar a la anteriorestimación, considerando el peso vivo total de los animales que salen por muerte, venta u otras causasdel sistema.

Estimación del N, P y K extraído por los pastos: se utiliza un modelo para pronosticar el rendimiento delas especies en función de la categoría agroproductiva del suelo y el régimen de lluvia así como lacomposición química de cada gramínea y leguminosa y entonces se estima cuanto N, P y K los pastoshan extraído del suelo para su crecimiento.

Con estos resultados, se determina el N, P y K total que ha sido aportado por los diferentescomponentes en el año y de forma análoga, se procede con las pérdidas, obteniéndose un reporte delbalance resultante. En este reporte, se señala la cantidad (kg) de cada nutriente que entra y la que saledel sistema, especificando la fuente de entrada o salida correspondiente, as í como la cuantía querepresenta por unidad de área productiva (kg/há).

El programa tiene seis opciones principales : Archivo, Edición, Balance, Bases de Datos, Ventanay Ayuda que definen otros submenú anidados, cumpliendo todos los requerimientos definidos en elanálisis y diseño del sistema de simulación. El programa utiliza bases de datos de los Pastos, Suplementos(Forrajes Permanentes, Forrajes Temporales, Leguminosas Forrajeras, Heno de Gramíneas, Raíces yTubérculos, Cereales y Subproductos de Molinería, Mieles de Caña de Azúcar, Residuos de Agroindustria,Tortas y Harinas Protéicas, Minerales ) y Composición_Química (Bostas, Orina, Leche, Fertilizantes) queel usuario puede actualizar con su propia información (fig 1).

Un aspecto muy significativo de esta aplicación lo constituye la posibilidad de evaluar diferentesalternativas para la toma de decisión. Después de obtener el balance de una unidad a partir de losvalores reales de las variables del modelo (Variante 1), el usuario puede generar nuevas variantes (Variante2, 3, 4,...) donde modifica los valores de las variables y obtiene el balance correspondiente a la varianteque esté activa, pudiendo permutar de una a otra variante y comparando los resultados respectivos (fig.3), el productor puede definir la estrategia más ajustada a sus condiciones, evitando posibles déficits denutrientes. La validación del programa en varias unidades productivas ha sido satisfactoria.

El sistema se distribuye en 4 discos de 31/2 con un programa de instalación, siendo necesariopara su explotación, aproximadamente 2.0 megabytes de espacio en disco duro de una microcomputadora

386 o superior y sistema operativo Windows.

4. CONCLUSIONES

1. El modelo de simulación definido, establece una metodología válida para estimar el balance de NPKen los sistemas de pastoreo bovino con independencia del sistema de manejo y las caracter ísticaspropias de la unidad productiva.

2. La metodología que se propone para la modelación de los procesos biológicos, constituye unaherramienta adecuada para profundizar en el estudio de los procesos del reciclaje.

3. El algoritmo de simulación, posibilita aumentar la precisión de las estimaciones mediante nuevas

investigaciones de los procesos considerados e incorporar otros posibles componentes,4. El software posee un interfaz amigable y requiere de mínimos conocimientos de computación para su

utilización.

8/15/2019 rev03_01


31

5. BIBLIOGRAFÍA

1. Addiscott, T.M. (1993). Simulation modelling and soil behaviour. Geoderma. 60: 15-40.

2. Aguilar, G.C. y Caña, C.R. (1992). Simulación de sistemas: aplicación en producción animal. En:Simulación de sistemas pecuarios. RISPA. p. 189-282.

3. Bandermer, H. (1981). Methods for checking asumption in regression models. Biometrical Journal.23(5): 419-427.

4. Crespo, G., Rodriguez, Idalmis, Torres, Verena, Ortiz, J. y otros. (1998). Estudio del reciclado de losnutrientes en sistemas de producción vacuna. Informe final de proyecto. ICA.

5. Draper, N.R. and Smith, H. (1966). Applied Regression Analysis. John Wiley & Sons, Inc. New York.

6. Fernández Cancio, A. 1980. Posibles aplicaciones de las técnicas de simulación a la investigación

agraria. Comunicaciones INIA. Serie: General. 6. 62p.

7. Fernández, Lucia. (1996). Modelos que describen la dinámica de procesos biológicos en CienciasAgropecuarias. Tesis de Maestria. ISCAH.

8. Guerra, Walkiria., Calzadilla,.Josefina. y del Valles, J. (1993). Aspectos cuantitativos-cualitativossobre modelos que describen la dinámica de crecimiento en poblaciones. Monografía. ISCAH.

9. Haberman, S.J. (1973). The analysis of residuals. Biometrics. 29(1): 205-221.

10. Iones, P.N. and Carberry, P.S.(1994). A technique to develop and validate simulation models.Agricultural Systems 46: 427-442.

11. León-Valarde, C.V., Arce, B. y Quiroz, P. (1997). Modelación de Sistemas de producción de leche:descripción de sus componentes e interacciones para el diseño de modelos de simulación. En:Metodologías para el estudio de sistemas pecuarios. Rispa.

12. Liski, E. P. (1987). A growth curve analysis for bulls test station. Biometrical Journal. 29(3): 331-345.

13. Senn, J.A. (1998). Analysis & design of information systems. McGraw-Hill, Inc., USA.

14. Steel, R.G. and Torrie, I.H. (1988). Bioestadística: principios y procedimientos. McGraw-Hill.Interamericana. México, S.A.

Simulaci ó n del balance anual...:Torres V., et al .

8/15/2019 rev03_01


32


Documents

rev03_01